人工神经网络导论（蒋宗礼），灰色预测资料

李食其

! C7 C5 k8 p3 @6 |$ x6 w& ?现在已知一种产品的库存记录，预测下个月的库存
我查找了各种预测的资料，也编程算了，用了灰度预测，神经网络，拟合，时间序列，能用的都用了，可是没一个准的。我要疯了
# H! n5 K: p! e* r我的神经网络程序如下
: N* i# |4 Q6 g; g+ _2 ?) ^! w, eT=[...];
, Z' O1 Q8 |0 p' v# Tn=length(T);
1 l# T7 b# [. G$ `5 n$ v  xP=1:n;
7 _2 X6 S0 S) F) f6 N2 b7 [%  创建一个新的前向神经网络
net_1=newff(minmax(P),[49,1],{'tansig','purelin'},'traingdm')
9 k( k! e5 j* U" q) p/ f; X%  当前输入层权值和阈值
inputWeights=net_1.IW{1,1};
inputbias=net_1.b{1};
4 W- m# q: F! _# i7 ^%  当前网络层权值和阈值
layerWeights=net_1.LW{2,1};
layerbias=net_1.b{2};
# d( P( J( c2 w( u+ K. U%  设置训练参数
net_1.trainParam.show = 50;
net_1.trainParam.lr = 0.05;
net_1.trainParam.mc = 0.9;
net_1.trainParam.epochs = 3000;
net_1.trainParam.goal = 0.0001;
$ P) O7 _% T! e0 r$ ~%  调用 TRAINGDM 算法训练 BP 网络
1 b) O0 u# U/ [, U/ K8 h7 O& b" d[net_1,tr]=train(net_1,P,T);
%  对 BP 网络进行仿真
A = sim(net_1,P)
%  计算仿真误差
E = T - A;
' V7 v" n: w) VMSE=mse(E)
7 q8 d$ Q7 {9 C# \x=[n+1];%测试
, ]3 G6 p2 ^  x$ G3 _kn=sim(net_1,x)
0 H. ?1 Y3 ?' P" n& P
每一次运行的结果都不一样，而且没一次准的，有的时候差的还特别多。
1 r  ?- B( Y+ z" _: ^* f3 z我的数据量挺大的，从2007年至今，而且数字比较大
有没有懂得，帮帮我。
$ `7 L- I/ v- l; S  N+ i% ~3 e献上资料先

何挺

这么难啊    ^^^

anonymous123

我看你还是自己做吧

wl_850357290

不知我能不能帮上你啊

xypfs21

数据的噪声？

xypfs21

数据的噪声？

wphls

虚心学习好东西

narutoxcb

感谢4楼资料

mcmzy

感谢4楼资料.

李食其

我有点懂了
9 M2 i& W% ~' x# v神经网络做的预测就是变化的，不是一个常数，这是由于初值的影响
这样可以吗？如果已知n组数据，欲预测第n+1个的值，可以用前n-1个数据做训练数据，用第n个做检验，对算得比较准的网络进行保存，用这个网络计算第n+1。
0 U/ G4 h  @0 v/ q# P. z  Z' `; @有没有理论支持说，对一个准的，对后面的也准？